مدلی ریاضی دو هدفه مبتنی بر رویکرد برنامه‌ریزی استوار برای مسألۀ مکان‌یابی – موجودی با در نظرگرفتن قابلیت اطمینان پاسخگویی تقاضا و تخفیفات چند سطحی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 مدیر پروژه راهسازی

2 استادیار دانشگاه آزاد اسلامی

3 مدیر انبارها

چکیده

در این پژوهش مدلی ریاضی دو هدفه جهت بهینه‌سازی شبکه توزیع کالا در زنجیره تأمین سه سطحی مبتنی بر مدل‌های مکان‌یابی- موجودی با هدف مکان‌یابی مراکز توزیع توسعه داده می‌شود که در آن تخصیص مناسب مشتریان به‌منظور حداکثرسازی پوشش تقاضا، افزایش میزان فروش از طریق اعمال سیاست‌های تخفیف و در نهایت بهبود سامانه حمل‌ونقل کالا از طریق ارائه فروش بسته‌ای در مقایسه با فروش تکی انجام می‌گیرد. ازطرفی سیاست فروش بسته‌ای از طریق ایجاد سطح قیمتی مناسب جهت ارائه به مشتری، باعث افزایش میزان فروش و در نهایت افزایش حاشیه سود بنگاه‌ها می‌شود. در این تحقیق برای بالا بردن سطح اطمینان مشتری نسبت به تقاضا سعی کرده ایم در این مدل حداقل 80درصد تقاضای مشتری پاسخ داده شود. که مدل حاضر سعی در بیشینه‌سازی آن دارد. جهت نزدیک تر شدن به مسائل دنیای واقعی نیز برخی پارامترها تحت شرایط عدم قطعیت در نظر گرفته شده‌اند و از تکنیک برنامه‌ریزی استوار برای حل آن استفاده شده است. در پایان جهت اعتبار سنجی مدل ارائه شده، مثالی مطابق با مسائل دنیای واقعی طراحی و توسط نرم‌افزار GAMS حل و نتایج آن ارائه شده است.

کلیدواژه‌ها


عنوان مقاله [English]

A two- goal mathematical model based on robust programming inventory-location problem with considered demand response reliability and multi level discount

چکیده [English]

In this study, a multi-objective mathematical model is developed to optimize the distribution network in a three level supply chain based on the inventory location- models with the aim of locating distribution centers. also, appropriate allocation of customers in order to maximize coverage of the demand, increasing sales through discount policies and ultimately improving the transportation system by selling the package of products agaainst individual sales is considered.On the other hand, the policy of selling pakages, Increases the total sales and their profit margin by creating appropriate price for the customrers. Due to the circumstances, each distribution center has specific reliability level which the proposed model try to maximize it. In order to make the model more realistic, some parameters have been considered under conditions of uncertainty and robust planning techniques have been used to solve it, finally, to validate the presented model, and instance according to real-world problems were solved by GAMS software. The Results are presented in details

کلیدواژه‌ها [English]

  • Inventory location
  • multi-level planning
  • discount policy
  • robust programming
آقایی ، صدقیانی،قربانی زاده ، میکائیلی.(1393).طراحی الگوی زنجیره تامین ناب با استفاده از تکنیک معادلات ساختاری ،فصلنامه علمی و پژوهشی مطالعات مدیریت صنعتی ، سال13، شماره 36،ص 95-113
بهشتی نیا, اکبری.(1394) زمانبندی مجدد زنجیره تأمین سه مرحله‌ای با تمرکز بر یکپارچگی مراحل آن. نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید،دوره 3، شماره 6 ،ص 191-205.
صادقی مقدم، مومنی ، نالچیگر.(1388). برنا مه‌ریزی یکپارچه تأمین، تولید و توزیع زنجیره تأمین با بکارگیری الگوریتم ژنتیک. نشریه مدیریت صنعتی،دوره 1، شماره 2،ص 71-88.
 
ربانی, معنوی زاده, فرشباف و گرانمایه (2015). طراحی چندهدفه زنجیره تأمین با در نظر گرفتن ریسک اختلال تسهیلات، عرضه و تقاضا در شرایط غیر قطعی بودن پارامترهای اقتصادی. مطالعات مدیریت صنعتی13(37), 5-35.‎
 
خدابنده ،حجازی، راستی.(1392) یک الگوریتم ژنتیک برای مساله زمانبندی یکپارچه تولید و توزیع با در نظر گرفتن مسیریابی در زنجیره تأمین. نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، دوره 1، شماره 2،ص 167-181.
 
جمیلی, نگین, رنجبر. (1393) زمانبندی یکپارچه تأمین، تولید و توزیع در یک زنجیره تأمین. هفتمین کنفرانس بین‌المللی ایرانی تحقیق در عملیات.دانشگاه سمنان.
 
طاهری ، زندیه ، دری.(1395). طراحی مدل برنامه ریزی دو سطحی در زنجیره تامین غیر متمرکز تولید – توزیع با در نظر گرفتن تبلیغات مشارکتی، فصلنامه علمی  پژوهشی مطالعات مدیریت صنعتی – سال 14، شماره 14،ص 1-38.
 
ذگردی، مرندی.(1395), یکپارچگی زمانبندی تولید و توزیع در زنجیره تأمین فرآورده‌های لبنی با استفاده از الگوریتم بهبود یافته بهینه‌سازی انبوه ذرات. فصلنامه علمی-پژوهشی مهندسی حمل و نقل.
 
عادل آذر ، عابدینی ، افسر ، مطلق.(1395).طراحی مدل ترکیبی منبع یابی در زنجیره تامین با بکارگیری فرایند تحلیل شبکه های، ویکور و مدل چندهدفه در محیط فازی. فصلنامه علمی و پژوهشی مطالعات مدیریت صنعتی.سال 14،شماره 42،ص 1-30
عباس شول ، مقصود امیری ، لعیا الفت و کاوه خلیلی دامغانی (1393) ، طراحی شبکه زنجیره تامین چند دوره ای و چند محصولی با استفاده از روش ترکیبی برنامه ریزی ریاضی چند هدفه و تحلیل پوششی داده ها،  فصلنامه چشم انداز مدیریت صنعتی – شماره 14 – ص 117-137.
 
Bashiri, M. and H. Badri) 2010.(, A dynamic model for expansion planning of multi echelon multi commodity supply chain. International Journal of Engineering and Technology,2(1): p. 85.
 
Bredström, D., et al. (2004). Supply chain optimization in the pulp mill industry––IP models, column generation and novel constraint branches. European journal of operational research156(1): p. 2-22.
Bertsimas, D., Pachamanova, D., & Sim, M. (2004). Robust linear optimization under general norms. Operations Research Letters, 32(6), 510-516.
Bertsimas, D., & Sim, M. (2004). The price of robustness. Operations research, 52(1), 35-53.
 
Bertsimas, D., & Sim, M. (2004). Robust discrete opimization and downside risk measures: Working Paper.
Chopra, S., & Meindl, P. (2007). Supply chain management. Strategy, planning & operation Das Summa Summarum des Management (pp. 265-275): Springer.
Deb K, Pratap A, Agarwal S, Meyarivan T. (2002). A fast and elitist multi-objective genetic algorithm: NSGA-II. IEEE Transactions on Evolutionary Computation; 6(2):182–97.
 
Fattahi, M., et al.,(2015) Dynamic supply chain network design with capacity planning and multi-period pricing. Transportation Research Part E: Logistics and Transportation Review, 81: p. 169-202
Gnoni, M., et al.,(2003). Production planning of a multi-site manufacturing system by hybrid modelling: A case study from the automotive industry. International Journal of production economics, 85(2): p. 251-262.
García-Arca, J. and J. Carlos Prado Prado,(2008). Packaging design model from a supply chain approach. Supply Chain Management: An International Journal, 13(5): p. 375-380.
Mulvey, J. M., Vanderbei, R. J., & Zenios, S. A. (1995). Robust optimization of large-scale systems. Operations research, 43(2), 264-281.
Pishvaee, M.S., M. Rabbani, and S.A. Torabi,(2011). A robust optimization approach to closed-loop supply chain network design under uncertainty. Applied Mathematical Modelling, 35(2): p. 637-649.
Ryu, J.-H., V. Dua, and E.N. Pistikopoulos,(2004). A bilevel programming framework for enterprise-wide process networks under uncertainty. Computers & Chemical Engineering,28(6): p. 1121-1129.
Spitter, J., et al.,(2005). Linear programming models with planned lead times for supply chain operations planning. European Journal of operational research, 163(3): p. 706-720.
Shen, Z.-J.M.,(2005). A multi-commodity supply chain design problem. IIE Transactions, 37(8): p. 753-762.
Selvarajah, E. and G. Steiner,(2006). Batch scheduling in a two-level supply chain—a focus on the supplier. European Journal of Operational Research, 173(1): p. 226-240.
Sadjady, H. and H. Davoudpour,(2012). Two-echelon, multi-commodity supply chain network design with mode selection, lead-times and inventory costs. Computers & Operations Research, 39(7): p. 1345-1354.
Lejeune, M.A.,(2006). A variable neighborhood decomposition search method for supply chain management planning problems. European Journal of Operational Research, 175(2): p. 959-976.
Schütz, P., A. Tomasgard, and S. Ahmed,(2009). Supply chain design under uncertainty using sample average approximation and dual decomposition. European Journal of Operational Research, 199(2): p. 409-419.
Shankar, B.L., et al.,(2013). Location and allocation decisions for multi-echelon supply chain network–A multi-objective evolutionary approach. Expert Systems with Applications, 40(2): p. 551-562.
Shen, Z.-J. M., Coullard, C., & Daskin, M. S. (2003). A joint location-inventory model. Transportation science, 37(1), 40-55.
Shu, J., Li, Z., Shen, H., Wu, T., & Zhong, W. (2012). A logistics network design model with vendor managed inventory. International Journal of Production Economics, 135(2), 754-761.
Wu, T. and K. Zhang,(2014). A computational study for common network design in multi-commodity supply chains. Computers & Operations Research, 44: p. 206-213.